No $Ejército @onchainarmy No Cultura

Ver original

--

No $Ejército  @onchainarmy No Cultura

Aviso legal: Se incluyen opiniones de terceros. Esto no representa una asesoría financiera. Puede haber contenido patrocinado. Lee los TyC.

4.3k

0

Respuestas 0

Conoce las noticias más recientes del sector

⚡️ Participa en los últimos debates del mundo cripto

💬 Interactúa con tus creadores favoritos

👍 Disfruta contenido de tu interés

Email/número de teléfono

Creador relevante

Dr.U🔥🦅 🔑$Scihub

@USDesci

Explora más de este creador

2025预判：古典DeSci赛道，VC币还没疯狂拉盘Fomo过，预计3到10倍市值增长$BIO $RSC AIDeSci赛道，会出现至少2个市值摸10亿标的 $Pythia @neirylab $spore @sporedotfun #sci16z @sci16z 如果迭代投机，AIDeSci故事接近尾声的时候，要回归CultMeme，$pepe $mog $ponke ，吃的是剩余2到7倍空间

--

大牛300 大牛市只需要抓住3个100倍标的，即可自由，重仓底部梭进去，建设，Fomo，干就完了！All in AIDeSci @aixbt_agent @sci16z $pythia $spore #sci16z $yne $ogai $army

--

一切等年后开工吧，不动仓位最稳

--

Dual Token Model for #AIDeSci / #DeSci project: If u r good at meme, pump it and have fun If u r not, make meme as your points system for domain governance token

--

AIDeSci的底层基础：基于大自然的计算基础(统计物理)诞生的生成式学习实际上，币圈AI的项目是在生成式学习基础上给AIAgent增加了自主经济的治理系统。在非币圈AI的3大限制：伦理，金融，法务下，币圈AI在逐渐探索AI的奇点道路上进行大规模社会先锋实验，也在探索AI人类交互协同模式创新： 🦾如 @sporedotfun 的AI自主资产发行进化 🦾如 @aixbt_agent 的资产分析，喊单及估计 🦾如 @swarms_corp 的AI集群框架基础 🧪如 @neirylab 的脑机接口的生物增强AIAgent 🦾如 @ai16zdao 基于TEE @PhalaNetwork 框架的单agent领域创新 🦾如同样基于TEE框架在科学领域探索展望未来科技树发展的 @sci16z 🧪如探索知识审计的 @yesnoerror 和AI輔助長壽研究的 @OgaiCoin 和社会动力学AI的 @onchainarmy ⚔️如二级AI $TAO $LAKE $IO $ATH 对IMO, ID(Data)O, 全球算力協同的探索，@Privasea_ai 对confidential AI的建设 🔥也如各大AI meme @FartCoinOfSOL @truth_terminal @ACTICOMMUNITY 对AI先锋理念的探索这一切的一切，可以从近期诺奖谈起： 2024年诺贝尔物理学奖的颁奖词是“因奠定了使用人工神经网络进行机器学习的基础性发现和发明”，“他们使用物理学训练了人工神经网络” 言下之意是颁发给“Science for AI”，这和诺贝尔化学奖的“AI for Science”形成呼应。诺奖颁奖词还强调了两个名词，霍普菲尔德网络(Hopfield network)和玻尔兹曼机(Boltzmann machine)，这两个模型可以被视为生成学习的开端。生成学习的任务是从没有标签的数据中学习到数据变量的联合分布概率，并对学习到的概率分布进行采样从而生成新的学习样本。从物理的角度上看，这就是费曼说过的“What I cannot create，I do not understand”，其中create意味着生成，understand意味着学习和理解。生成学习的数据是多种多样的，对应的生成模型可以创造出各种各样的信息。在生成AI的具体数据类型对应场景里： 🔥当数据是图像时，Midjourney可以画出新的画卷； 🔥当数据是音符时，Wavenet可以生成新的乐章； 🔥当数据是自然语言时，ChatGPT可以写出华丽的文章。生成模型面对的最大挑战是如何学习到在一个巨大空间中的概率分布。在20世纪，由于缺乏数据、计算能力，以及具体的应用，这种类型的高维概率分布的建模问题在各个领域还不是很普遍，但统计物理在其建立之初已经习惯于研究类似的高维概率分布问题。从历史的角度看，统计物理与机器学习在20世纪确实有着很长一段时间的交互和互相发展阶段。在2000年之后的发展中，统计物理方法被应用于更加广泛的领域中，这包含组合优化、统计推断问题等，但由于仍然很难分析多层神经网络的性质，统计物理与神经网络领域的发展逐渐分道扬镳，并最终错过了机器学习在2012年之后产生的深度学习时代的序幕。币圈AI的先锋属性是web2无法比拟的，但AI的产品一定会面临同质化竞争，所以需要DeSci的数理化生文经场景进行填充，扩大领域影响力。 AIDeSci的交汇，才是未来。AIDeSci可以从东方引领潮流。 Let’s lead this Crypto AI Tech Vogue! @marvin_tong @Wolfy_XBT @Ellison_Hsu @rickawsb @0xDrPR @0xMikeyF @KKaWSB @cxo_no @CKN_ACEE @huangdiezi @Michael_Liu93 @timotimo007 @0xcryptowizard @Arya_web3 @thecryptoskanda @justinweb33 @Sky201805 @Renee7eth @GalaBNB @imsongshu @Raiko_Cheng @0xUnicorn @0xNing0x @starzqeth @ywang01 @ZorrotChen @BTCBruce1 @zhang_bj_ @zijingNFT @web3annie @cyodyssey @cz_binance @heyibinance @shumochu @minglaugodel @daqileeDeSci

--

.css-1iqe90x{box-sizing:border-box;margin:0;min-width:0;color:#EAECEF;}No $Ejército @onchainarmy

Explora más de este creador

Lo más reciente

No $Ejército @onchainarmy